CN103249129B - 无线异构网络最优中继协作激励方法 - Google Patents

Abstract

本发明提出了无线异构网络最优中继协作激励方法，所述方法首先构建了无线异构网络中联盟收益模型，并充分考虑实际的信道环境建立代价函数，通过完备的数学推导求解优化模型，能够获得优化模型的理论最优解，然后通过优化联盟获得最佳的2节点中继联盟，从而有效的激励节点参与合作。本发明产生的异构网络2节点最优中继联盟协作激励机制方式非常简单而易于实现，具有很好的应用前景。

Description

无线异构网络最优中继协作激励方法

技术领域

本发明属于多媒体通信技术领域，特别涉及无线异构网络最优中继协作激励方法。

背景技术

近年来无线移动通信技术取得了长足的发展，WLAN、UMTS和WiMAX等系统在全球的引入以及现有的各种二代移动通信网络的继续运营，这就带来了多种类型通信网络共存，即WHN无线异构网络（Wireless Heterogeneous Network，无线异构网络）。WHN是由多种技术、多种网络、多种业务相互融合形成的集合体，它不仅可以极大地提升单个网络的性能，在支持传统业务的同时也为引入新的服务创造了条件；它也可以为未来的移动通信系统提供更高的数据传输速率、更广的信号覆盖范围，并支持更高速率的移动性。在典型的蜂窝和Ad-hoc异构融合网络中，通过移动Ad-hoc网络的自组织性和多跳中继能力，可以缓解蜂窝网络基站的瓶颈效应、平衡业务流量并提高网络的空间复用率，也相应的提高了网络的容量。但是，网络中的存在某些自私节点为了避免自身资源的消耗拒绝参与中继转发也会影响整个网络的性能。当然，中继联盟激励作为新的研究技术，尚有许多问题有待解决，其核心难点在于：如何选择节点联盟参与合作以及如何进行联盟内的协作。因此，对异构无线融合网络中节点最优中继联盟协作激励研究受到广泛的关注。

目前，大多相关研究针对异构无线网络中安全性最差的Ad-hoc网络中节点协作激励机制研究主要是基于声誉值的激励机制，机制选择的激励方案和基于博弈论的分析方法。以上激励机制存在如下缺点：（1）只考虑单个中继节点的情况，单节点联盟过于简单，并且没有考虑到中继节点之间的协作影响；（2）有的激励方案实现比较复杂，如声誉值的维护和传播机制较复杂且不可靠，容易导致声誉值的不一致问题等；（3）基于博弈论激励机制大部分研究只证明了纳什均衡的存在性，但却没有提出具体的协作促进方案。此外，基于本专利的应用场景，当存在三个或者以上的中继节点作为一个联盟时，联盟内的制约影响比较复杂。

发明内容

本发明针对上述技术问题，特别针对异构网络中基于2节点最优中继联盟协作激励问题，提出无线异构网络最优中继协作激励方法。所述方法以蜂窝网和Ad-hoc异构网络为模型，对网络中节点收益进行分析，将2节点联盟效用收益和节点转发代价函数进行联合优化。

本发明为解决上述技术问题，采用如下技术方案：

无线异构网络最优中继协作激励方法，所述方法采用蜂窝网络及Ad-hoc网络的异构网络无线通信拓扑模型，中继联盟集其中τ_k表示任意的两节点联盟， 为自然数；

设定节点转发分组消耗资源成本为c，如果一个节点的分组被另外一个节点成功转发那么该节点的收益为p，在传输交易中转发奖励为m_r，转发价格为m_p；一个节点可以利用赢得的转发奖励购买资源转发分组，并且假定m_r、m_p与c、p使用相同的衡量机制；

节点参与分组转发共享网络资源须满足如下条件：

$\left\{\begin{array}{c}{m}_r>c\\ p>m_p\end{array}\right.$

则本方法包含步骤如下：

步骤A，在固定的中继联盟下，通过最大化联盟效用收益和最小化节点代价函数来实现最大的总收益，采用以下联盟优化模型：

max z=max{a_ij-J_i(p_i,γ_i)-J_j(p_j,γ_j)}

s.t.a_ij=max(2p-2c+2m_r-2m_p,0)

p>m_p

m_r>c

J_i(p_i,γ_i)=λ_ip_i+(γ_tar-γ_i)²

J_j(p_j,γ_j)=λ_jp_j+(γ_tar-γ_j)²

${\mathrm{\γ}}_i=\frac{h_{\mathrm{ij}}{p}_i}{N_{i}W}$

${\mathrm{\γ}}_j=\frac{h_{\mathrm{ij}}{p}_j}{N_{j}W}$

0≤p_i≤p_m

0≤p_j≤p_m

其中，z表示联盟总收益，a_ij表示节点i,j虚拟货币总收益；

J_i(p_i,γ_i)和J_j(p_j,γ_j)分别为联盟内节点转发分组的代价函数；

λ_i,λ_j正比于链路增益，即λ_i=λ_j=kh_ij，k为一正常数，h_ij表示节点i,j之间的链路增益；

γ_tar为目标信干比；

p_i,p_j分别表示节点i,j的发射功率，p_m表示任意节点的发射功率最大值，W表示各节点发送信号的带宽，N_i,N_j分别表示节点i,j作为接受端的信道加性高斯噪声功率谱密度；

步骤B，当效用收益函数a_ij取最大值时，进行联盟内节点的功率控制使得节点的代价函数取最小值，步骤A中所述联盟优化模型简化为：

$\{p_i^{*},p_j^{*}\}=\arg \min (J_i(p_i,{\mathrm{\γ}}_i)+J_j(p_j,{\mathrm{\γ}}_j))$

s.t:J_i(p_i,γ_i)=λ_ip_i+(γ_tar-γ_i)²

J_j(p_j,γ_j)=λ_jp_j+(γ_tar-γ_j)²

${\mathrm{\γ}}_i=\frac{h_{\mathrm{ij}}{p}_i}{N_{j}W}$

${\mathrm{\γ}}_j=\frac{h_{\mathrm{ij}}{p}_j}{N_{i}W}$

0≤p_i≤p_m

0≤p_j≤p_m

其中，分别表示节点i,j的最优功率，arg表示满足函数最值的变量；

计算上述优化模型的最优化目标值；

步骤C，比较候选联盟集N中个联盟相应的总收益，即可获得最优的联盟τ^*：

${\mathrm{\τ}}^{*}=\underset{\mathrm{\τ}\∈N}{\arg \max }{z}^{*}.$

本发明的有益效果是：本发明提出了无线异构网络最优中继协作激励方法，所述方法首先构建了无线异构网络中联盟收益模型，并充分考虑实际的信道环境建立代价函数，通过完备的数学推导求解优化模型，能够获得优化模型的理论最优解，然后通过优化联盟获得最佳的2节点中继联盟，从而有效的激励节点参与合作。本发明产生的异构网络2节点最优中继联盟协作激励机制方式非常简单而易于实现，具有很好的应用前景。

附图说明

图1是无线异构网络最优中继协作激励方法流程图。

具体实施方式

下面结合附图，进一步具体说明本发明提出的无线异构网络最优中继协作激励方法。

典型的双基站无线通信拓扑模型，其中基站BS₁与BS₂独立覆盖范围内采用蜂窝通信模式，而在其重叠覆盖范围内存在Ad-hoc连接的中继节点，那么，当基站BS₁独立覆盖范围内的节点要访问BS₂基站，必须通过重叠区的中继节点转发，中继联盟集其中τ_k表示任意的两节点联盟，该方法可以有效的缓解蜂窝网络基站的瓶颈效应、平衡业务流量并提高网络的空间复用率，也相应的提高了移动网络的通信质量。

考虑到实际的网络环境，网络中存在某些节点为了节省自身的资源会采取拒绝合作策略，但是每个节点的虚拟货币量是一定的，为了确保每个节点可以获得网络提供的服务，必须满足自身的虚拟货币量大于零，现假设节点接受分组数n_r，丢弃分组数n_d和节点转发自己产生的分组数n_g，必须满足：

(n_r-n_d)m_r+V-n_gm_p≥0            （1）

其中，V表示节点的虚拟货币量。

现在我们假设所有的参与者通过可信赖的第三方达成博弈协定，通过形成博弈联盟最大化每个节点的收益。本专利中我们建立了2节点博弈联盟，当有两个参与者时一共有四种可选的策略(C_i,I_j),(C_i,C_j),(I_i,C_j),(I_i,I_j)，则不同策略下的收益分别为：

U(C_i,C_j)=(p-c-m_p+m_r,p-c-m_p+m_r)        （2）

U(I_i,I_j)=(0,0)                  （3）

$U(C_i,I_j)=\left\{\begin{array}{ccc}(-c+m_r,p-m_p)& \mathrm{if}& V_j>0\\ \left(\mathrm{0,0}\right)& \mathrm{if}& V_j<0\end{array}\right.---\left(4\right)$

$U(I_i,C_j)=\left\{\begin{array}{ccc}(p-m_p,-c+m_r)& \mathrm{if}& V_i>0\\ \left(\mathrm{0,0}\right)& \mathrm{if}& V_i<0\end{array}\right.---\left(5\right)$

其中，i,j表示中继参与者，a_ij表示节点i,j构成联盟时的收益，节点转发分组消耗资源成本为c，如果一个节点的分组被另外个节点成功转发那么该节点的收益为p，在传输交易中转发奖励为m_r，转发价格为m_p，一个节点可以利用赢得的转发奖励购买资源转发分组，并且我们假设m_r，m_p与c，p使用相同的衡量机制。如果节点i转发了节点j的分组，并且节点j也转发节点i的分组，那么每个节点都会受到一定的转发奖励m_r和自身分组被转发而获得相应的收益p，但是节点要成功的转发分组必须有一定的转发成本c以及支付给合作节点的转发价格m_p，同理，当节点i,j均采取拒绝转发分组的策略，则每个节点都不会有支付也不会得到任何的补偿，但是当两节点中有一个采取合作而另一个节点拒绝合作时，由于节点i转发了节点j的分组，但是自身的分组没有得到转发，所以节点i收益为m_r-c；同时，由于节点j的分组被转发，它应该支付一定的货币，V_i,V_j分别表示节点i,j的货币量，当V_i<0或者V_j<0时，节点之间没有任何的相互作用。

传统的无线异构网络中激励节点参与合作的研究只考虑了单节点支付补偿模式，而没有考虑两节点形成联盟时的情况，其实当两节点形成联盟时为了使联盟收益最大每个节点都会相应帕累托最优策略即合作策略：

$\left\{\begin{array}{c}p-c-m_p+m_r>p-m_p\\ p-c-m_p+m_r>-c+m_r\\ -c+m_r>0\end{array}\right.---\left(6\right)$

解上式可得：

$\left\{\begin{array}{c}{m}_r>c\\ p>m_p\end{array}\right.---\left(7\right)$

公式（2）表示当参与者i和参与者j形成联盟时，两节点会选择最优的合作策略，所以联盟虚拟货币总收益为：

a_ij=v(i,j)=max(2p-2c+2m_r-2m_p,0)        （8）

在典型的两节点联盟中，为了获得联盟最大收益，在争取联盟最大利润的同时总是尽量减少联盟消费。对于单个节点来说，信干比越高，服务质量、传输效率越好，但这会增加电池的消耗，增大对联盟内另一节的干扰，因此，我们建立基于节点发射功率和信干比来定义节点的代价函数。

在两节点联盟内，J_i(p_i,γ_i)和J_j(p_j,γ_j)分别表示联盟内节点转发分组时的代价：

J_i(p_i,γ_i)=λ_ip_i+(γ_tar-γ_i)²            （9）

J_j(p_j,γ_j)=λ_jp_j+(γ_tar-γ_j)²            （10）

${\mathrm{\&gamma;}}_i=\frac{h_{\mathrm{ij}}{p}_i}{N_{i}W}---\left(11\right)$

${\mathrm{\&gamma;}}_j=\frac{h_{\mathrm{ij}}{p}_j}{N_{j}W}---\left(12\right)$

其中，λ_i,λ_j正比于链路增益，即λ_i=λ_j=kh_ij，k为一正常数，h_ij表示节点i,j之间的链路增益，γ_tar为目标信干比。p_i,p_j分别表示节点的发射功率，而p_m表示任意节点的发射功率最大值，W表示各节点发送信号的带宽，由于信道的噪声特性主要取决于接收端，因此N_i,N_j分别表示接受端的信道加性高斯噪声功率谱密度。

因此，在固定的中继联盟下，为了最大的总收益，我们通过最大化联盟效用收益和最小化节点代价函数来实现，因此，我们建立以下的联盟优化模型：

max z=max{a_ij-J_i(p_i,γ_i)-J_j(p_j,γ_j)}

s.t.a_ij=max(2p-2c+2m_r-2m_p,0)

p>m_p

m_r>c

J_i(p_i,γ_i)=λ_ip_i+(γ_tar-γ_i)²

J_j(p_j,γ_j)=λ_jp_j+(γ_tar-γ_j)²

${\mathrm{\&gamma;}}_i=\frac{h_{\mathrm{ij}}{p}_i}{N_{i}W}$

${\mathrm{\&gamma;}}_j=\frac{h_{\mathrm{ij}}{p}_j}{N_{j}W}$

0≤p_i≤p_m

0≤p_j≤p_m            （13）

通过优化目标我们可以看出，当效用收益函数a_ij取得最大值时，如何进行功率的控制使得节点的代价函数取最小值成为我们的主要任务，所以，原优化模型可以简化为：

$\{p_i^{*},p_j^{*}\}=\arg \min f(p_i,p_j)$

$=\arg \min J_i(p_i,{\mathrm{\&gamma;}}_i)+J_j(p_j,{\mathrm{\&gamma;}}_j)$

s.t:J_i(p_i,γ_i)=λ_ip_i+(γ_tar-γ_i)²

J_j(p_j,γ_j)=λ_jp_j+(γ_tar-γ_j)²

${\mathrm{\&gamma;}}_i=\frac{h_{\mathrm{ij}}{p}_i}{N_{j}W}$

${\mathrm{\&gamma;}}_j=\frac{h_{\mathrm{ij}}{p}_j}{N_{i}W}$

0≤p_i≤p_m

0≤p_j≤p_m            （14）

那么，如何求解函数f(p_i,p_j)的最小值成为问题的核心。通过对式求偏导令其偏导为零可得：

$\frac{\&PartialD;f(p_i,p_j)}{\&PartialD;p_i}={\mathrm{\&lambda;}}_i-2({\mathrm{\&gamma;}}_{\mathrm{tar}}-{\mathrm{\&gamma;}}_i)\frac{h_{\mathrm{ij}}}{N_{j}W}=0$

$\frac{\&PartialD;f(p_i,p_j)}{\&PartialD;p_j}={\mathrm{\&lambda;}}_j-2({\mathrm{\&gamma;}}_{\mathrm{tar}}-{\mathrm{\&gamma;}}_j)\frac{h_{\mathrm{ij}}}{N_{i}W}=0---\left(15\right)$

整理可得：

${p_i}^{*}=\frac{N_{j}W}{h_{\mathrm{ij}}}{\mathrm{\&gamma;}}_{\mathrm{tar}}-\frac{{\mathrm{\&lambda;}}_i{N}_j^2{W}^2}{2h_{\mathrm{ij}}^2}$

${p_j}^{*}=\frac{N_{i}W}{h_{\mathrm{ij}}}{\mathrm{\&gamma;}}_{\mathrm{tar}}-\frac{{\mathrm{\&lambda;}}_j{N}_i^2{W}^2}{2h_{\mathrm{ij}}^2}---\left(16\right)$

由上式可知二元二次函数f(p_i,p_j)，在区间[0,p_m]内有且仅有一个极值点，且为极小值点（证明略），所以根据二元函数最值理论，该极小值即为最小值点。

$\min f(p_i,p_j)=f(\frac{N_{j}W}{h_{\mathrm{ij}}}{\mathrm{\&gamma;}}_{\mathrm{tar}}-\frac{{\mathrm{\&lambda;}}_i{N}_j^2{W}^2}{2h_{\mathrm{ij}}^2},\frac{N_{i}W}{h_{\mathrm{ij}}}{\mathrm{\&gamma;}}_{\mathrm{tar}}-\frac{{\mathrm{\&lambda;}}_j{N}_i^2{W}^2}{2h_{\mathrm{ij}}^2})---\left(17\right)$

由公式（5）和公式（14）可得联盟固定情况下最优的总收益z：

$z^{*}=2(p-c+m_r-m_p)-f(\frac{N_{j}W}{h_{\mathrm{ij}}}{\mathrm{\&gamma;}}_{\mathrm{tar}}-\frac{{\mathrm{\&lambda;}}_i{N}_j^2{W}^2}{2h_{\mathrm{ij}}^2},\frac{N_{i}W}{h_{\mathrm{ij}}}{\mathrm{\&gamma;}}_{\mathrm{tar}}-\frac{{\mathrm{\&lambda;}}_j{N}_i^2{W}^2}{2h_{\mathrm{ij}}^2})---\left(18\right)$

因此，比较候选联盟集N中个联盟相应的总收益，即可获得最优的联盟τ^*：

${\mathrm{\&tau;}}^{*}=\underset{\mathrm{\&tau;}\&Element;N}{\arg \max }{z}^{*}---\left(19\right)$

为了更加详细的描述本发明提出的无线异构网络中最优中继协作激励方法，结合附图1，举例说明如下：

第一步：建立网络拓扑，初始化网络环境（如中继节点i,j，候选联盟集信号带宽W，发射功率最大值p_m，转发成本c，转发奖励m_r，转发收益p，转发价格m_p，节点虚拟货币量V_i、V_j）。

第二步：节点通过环境感知技术，获得各种信道状态信息：信道增益h_ij，信道噪声功率谱密度N_i和N_j。

第三步：根据公式（8），首先计算2节点联盟最大的效用收益；

第四步：根据公式（16），计算在任意联盟下的最佳功率；然后根据根据公式（18），计算在该功率控制条件下的最大的联盟总收益。

第五步：当τ∈N时，比较不同的候选联盟的收益，根据公式（19）获得最优的联盟τ^*。因此，在最佳功率控制下的最优联盟τ^*总收益即为优化模型（公式（13））的最优解。

对该技术领域的普通技术人员而言，根据以上实施类型可以很容易联想其他的优点和变形。因此，本发明并不局限于上述具体实例，其仅仅作为例子对本发明的一种形态进行详细、示范性的说明。在不背离本发明宗旨的范围内，本领域普通技术人员根据上述具体实例通过各种等同替换所得到的技术方案，均应包含在本发明的权利要求范围及其等同范围之内。

Claims (1)

1.无线异构网络最优中继协作激励方法，其特征在于，所述方法采用蜂窝网络及Ad-hoc网络的异构网络无线通信拓扑模型，中继联盟集其中τ_k表示任意的两节点联盟， 为自然数；

设定节点转发分组消耗资源成本为c，如果一个节点的分组被另外一个节点成功转发那么该节点的收益为p，在传输交易中转发奖励为m_r，转发价格为m_p；一个节点可以利用赢得的转发奖励购买资源转发分组，并且假定m_r、m_p与c、p使用相同的衡量机制；

节点参与分组转发共享网络资源须满足如下条件：

$\left\{\begin{array}{c}{m}_r>c\\ p>m_p\end{array}\right.$

则本方法包含步骤如下：

步骤A，在固定的中继联盟下，通过最大化联盟效用收益和最小化节点代价函数来实现最大的总收益，采用以下联盟优化模型：

max z＝max{a_ij-J_i(p_i,γ_i)-J_j(p_j,γ_j)}

其中：

a_ij＝max(2p-2c+2m_r-2m_p,0)

p>m_p

m_r>c

J_i(p_i,γ_i)＝λ_ip_i+(γ_tar-γ_i)²

J_j(p_j,γ_j)＝λ_jp_j+(γ_tar-γ_j)²

${\mathrm{\&gamma;}}_i=\frac{h_{\mathrm{ij}}{p}_i}{N_{i}W}$

${\mathrm{\&gamma;}}_j=\frac{h_{\mathrm{ij}}{p}_j}{N_{j}W}$

0≤p_i≤p_m

0≤p_j≤p_m

其中，z表示联盟总收益，a_ij表示节点i,j虚拟货币总收益；

J_i(p_i,γ_i)和J_j(p_j,γ_j)分别为联盟内节点转发分组的代价函数；

λ_i,λ_j正比于链路增益，即λ_i＝λ_j＝kh_ij，k为一正常数，h_ij表示节点i,j之间的链路增益；

γ_tar为目标信干比；

p_i,p_j分别表示节点i,j的发射功率，p_m表示任意节点的发射功率最大值，W表示各节点发送信号的带宽，N_i,N_j分别表示节点i,j作为接受端的信道加性高斯噪声功率谱密度；

步骤B，当效用收益函数a_ij取最大值时，进行联盟内节点的功率控制使得节点的代价函数取最小值，步骤A中所述联盟优化模型简化为：

$\{p_i^{*},p_j^{*}\}=\arg \min (J_i(p_i,{\mathrm{\&gamma;}}_i)+J_j(p_j,{\mathrm{\&gamma;}}_j))$

其中：

J_i(p_i,γ_i)＝λ_ip_i+(γ_tar-γ_i)²

J_j(p_j,γ_j)＝λ_jp_j+(γ_tar-γ_j)²

${\mathrm{\&gamma;}}_i=\frac{h_{\mathrm{ij}}{p}_i}{N_{j}W}$

${\mathrm{\&gamma;}}_j=\frac{h_{\mathrm{ij}}{p}_j}{N_{i}W}$

0≤p_i≤p_m

0≤p_j≤p_m

其中，分别表示节点i,j的最优功率，arg表示满足函数最值的变量；

计算上述优化模型的最优化目标值；

步骤C，比较候选联盟集N中个联盟相应的总收益，即可获得最优的联盟τ^*：

${\mathrm{\&tau;}}^{*}=\underset{\mathrm{\&tau;}\&Element;N}{\arg \max }{z}^{*}.$